L’Azienda
BI-REX è uno degli 8 Competence Center nazionali istituiti dal Ministero dello Sviluppo Economico nel quadro del piano governativo Industria 4.0, ed è costituito da 56 player tra Università, Centri di Ricerca ed Imprese di eccellenza, tra cui Siemens, SACMI, Phillip Morris, Bonfiglioli, e ha un focus specializzato sul tema Big Data.
La Sfida
Progettazione e sviluppo di una piattaforma per l’industria 4.0 di analytics che superi i limiti delle principali soluzioni di analytics disponibili sul mercato, fornendo:
• Funzionalità di analisi Big Data di particolare rilevanza per il contesto Industry 4.0 evidenziate sopra
• Dashboard di monitoraggio fruibile da personale tecnico non esperto delle caratteristiche interne della macchina o della linea produttiva
• Prototipazione di strumenti di predictive maintenance basati sui modelli di machine learning
• Prototipazione di strumenti di self-tuning per estendere il Remaining Useful Lifetime (RUL) o il Time to Failure (TTF)
La Soluzione
Big Data 4 Manufactoring (BD4M)
Piattaforma software integrata BD4M (Dynamic EdgE computing for Plant MONitoring) per l’integrazione e l’analisi unificata dei dati provenienti dalle linee produttive e che sia fruibile nei vari settori industriali (dal manifatturiero al ceramico).
La piattaforma BD4M, realizzata con tecnologia cloud-edge, consente:
• Integrazione dei Big Data provenienti da diversi tipi di macchine a diversi livelli di astrazione (singola macchina, linea di produzione, e multi-linea o multi-impianto)
• Integrazione semantica tipi di dati fortemente eterogenei provenienti da macchine diverse e da applicativi cloud (es. Microsoft Azure).
• Stoccaggio contestuale dei dati raccolti al fine di ottimizzare l’uso di risorse di storage
• Analisi di dati provenienti da diversi tipi di macchine a diversi livelli di astrazione (singola macchina, linea di produzione, e multi-linea o multi-impianto)
• Implementazione e validazione di algoritmi di ottimizzazione e riconfigurazione di linee produttive basati su tecniche di Machine Learning e Intelligenza Artificiale allenati in cloud e inviati direttamente sui macchinari (ovvero a livello Edge).
Risultati
• Miglioramento della qualità dei prodotti e riduzione dei costi di produzione, grazie all’integrazione ed analisi dei Big Data prodotti dai dispositivi
• Implementazione di nuovi metodi per il controllo della qualità basati e individuazione delle anomalie grazie all’utilizzo di modelli di machine learning
• Riduzione dei guasti dovuti ad usura o utilizzo non ottimale dei dispositivi
• Riconfigurazione dinamica dei dispositivi per evitare processi potenzialmente critici per il funzionamento dei dispositivi